프론트엔드에 연결 필요한 백엔드 api

[yammayamm]

1. diner csv-> db 수정

2. 회원 가입 시 진행하는 취향탐색

정보	어디 저장됨?	저장 방식
위치(latitude/longitude, address)	Firestore	save_user_location()
음식점 평가	session_state만	앱 종료하면 사라짐
매운맛/알러지/못 먹는 음식	session_state만	앱 종료하면 사라짐
선호 카테고리	session_state만	앱 종료하면 사라짐
출생년도/성별	session_state만	앱 종료하면 사라짐
동행유형	session_state만	앱 종료하면 사라짐
예산 정보	session_state만	앱 종료하면 사라짐

3. 취향탐색 음식점 필터 (거리 기반, 유사도 기반)

4. 니가 가본 그집 (지역, 카테고리 필터링)

5. 마이페이지

6. 맛집 이상형 월드컵

7. 오늘 머먹?

1) 카테고리로 찾기

2) 메뉴로 찾기

3) 랜덤 추천 받기

[bohyunshin]

로그인 후 load_app_data 함수를 통해 repository에 있는 csv 파일을 로드하는데 이 부분을 api을 사용하는 코드로 교체해야 합니다.

What2Eat/src/utils/app.py

Line 29 in fda4c74

self.df_diner = load_app_data()

그리고, 코드를 보니까 app.df_diner을 많이 사용하는데요. 기존의 What2Eat처럼 한번 diner.csv 데이터를 업로드하고 이를 재활용할 것인지, 아니면 app.df_diner가 사용되는 곳마다 api 호출을 할 것인지 생각해봐야할 것 같아요.

@LearningnRunning 님 혹시 생각하신 내용 있으실가요??

[bohyunshin]

현재 검색 페이지에서 지원하는 필터는 개인화, 숨찐맛, 평점, 리뷰, 거리순입니다.
개인화 필터는 /rec/personal api을 사용하고 숨찐맛, 평점, 리뷰, 거리순 필터는 @Yoonsun222 @LearningnRunning 님이 공동작업 하고 계신 것으로 이해하고 있습니다.

관련 코드는 아래와 같습니다.

What2Eat/src/pages/search_filter_page.py

Lines 245 to 261 in fda4c74

	if search_clicked or st.session_state.search_results is not None:
	if search_clicked:
	# 필터 적용
	filters = st.session_state.search_filters
	df_results = search_filter.apply_filters(
	user_lat=st.session_state.user_lat,
	user_lon=st.session_state.user_lon,
	radius_km=filters["radius_km"],
	large_categories=filters["large_categories"]
	if filters["large_categories"]
	else None,
	middle_categories=filters["middle_categories"]
	if filters["middle_categories"]
	else None,
	sort_by=filters["sort_by"],
	period=filters["period"],
	)

위 코드에서 df_results가 1차 필터를 적용한 식당 리스트로 이해했고요. (1차 필터 용어를 모르시다면, 시스템 아키텍쳐를 참고해주세요.)
개인적인 생각으로는 아래와 같은 로직으로 변경되어야 한다고 생각합니다.

if filters == "개인화":
  # /rec/personal api 호출
  # request body로 df_results와 firebase_uid을 받음
else:
  # /filter (가칭) api 호출
  # request body로 df_results와 숨찐맛, 평점, 리뷰, 거리순의 필터 종류를 받음

[bohyunshin]

취향 탐색을 끝내고 이 결과를 바탕으로 카카오 리뷰 데이터의 리뷰어와 user_cf을 사용하여 연결해야 합니다.

What2Eat/src/pages/onboarding.py

Lines 870 to 873 in fda4c74

	if st.session_state.total_rated_count >= self.min_ratings_required:
	st.success(
	f"✅ {st.session_state.total_rated_count}개 음식점 평가 완료! 다음 단계로 진행할 수 있습니다."
	)

위의 코드에서 유저가 self.min_ratings_required만큼 평가를 했다면 다음 단계로 넘어갈 수 있다는 메세지와 함께 다음 버튼이 활성화됩니다. 아마도 이 메세지가 뜨면 대부분의 유저는 추가적인 식당을 평가하지 않을 것 같으므로.. 여기서 user_cf api을 호출해도 될 것 같습니다.

/rec/user/similar api을 호출합니다. request body로 liked_diner_ids와 scores_of_ liked_diner_ids가 필요합니다. 가능한지는 모르겠지만 유저가 식당을 평가하면 이를 streamlit session으로 저장하고, 이를 가져오는 방식을 사용해야할 것 같습니다.

/rec/user/similar api을 호출하여 user_cf에 의해 매칭된 kakao_reviewer_id을 받습니다. 이 id 값을 users DB에 업데이트 합니다. 이때, PUT /users/{user_id} api을 사용합니다.

여기까지 하면 유저가 취향 탐색을 하고, user_cf을 사용하여 kakao_reviewer_id와 매칭하며, 이 매칭된 id을 users DB에 저장하여 추후에 개인화 필터에 사용될 수 있습니다.